
OpenObserve 指标和链路追踪方面的支持
前面我们讲到了 OpenObserve 的基本使用,使用 Fluentd 将日志采集后输出到了 OpenObserve,此外 OpenObserve 还支持指标和链路追踪。
指标
OpenObserve 除了支持日志之外,也支持指标数据的摄取,它支持 Prometheus 的远程写入协议,这样我们就可以直接将 Prometheus 的数据远程写入到 OpenObserve 中了。
下面的资源清单就是一个简单的 Prometheus 示例,我们使用 node_exporter
来采集节点的指标数据,然后通过 Prometheus 将其远程写入到 OpenObserve 中:
上面的资源清单文件中,我们使用了 Prometheus 的 remote_write
配置项来将数据远程写入到 OpenObserve 中,其中 url
参数指定了远程写入接口地址,username
和 password
参数指定了管理员的邮箱和密码。
直接应用上面的资源清单文件即可:
部署后我们依然可以使用 Prometheus 的 UI 界面来查看指标数据:
正常现在 Prometheus 的指标数据就会被写入到 OpenObserve 中了,我们可以在 OpenObserve 的 UI 界面中查看该指标流:
可以看到 OpenObserve 中是将每个指标看成一个独立的 stream 流来进行管理的,这样无疑大大增加了对指标数据管理的灵活性,但要想针对某个 job 进行管理难度也就大大增加了。现在我们就可以在 OpenObserve 的 UI 界面中查看指标数据了,比如查询 node_load5
指标:
可以和 Prometheus 中的查询结果进行对比:
从图形中可以看到 OpenObserve 的查询结果和 Prometheus 的查询结果是一致的。但是目前 OpenObserve 的 UI 界面中支持的 promql 语法还比较有限,比如不支持向量运算等操作(本周发布的版本即将支持了)。
此外我们也可以使用 SQL 语法来查询指标数据,比如查询 node_load5
指标:
除了使用 Prometheus 的远程写入方式之外,OpenObserve 还支持通过 OpenTelemetry Collector(后面会讲解)来写入指标数据,只需要在 exporters 中配置 prometheusremotewrite
即可,如下所示配置:
在指标页面查询数据的时候我们还可以将查询结果保存为 Dashboard:
在 Dashboard 里面还可以添加变量,比如我们这里添加一个变量 instance
:
然后编辑 Panel,将查询语句中的 instance
替换成 $instance
:
然后就可以在 Dashboard 中选择不同的 instance
来查看不同的指标数据了:
链路追踪
OpenObserve 除了支持日志和指标之外,还支持链路追踪,OpenObserve 遵循 OpenTelemetry 的追踪标准,我们可以使用通过 OpenTelemetry SDK 检测的代码将 Trace 数据发送到 OpenObserve,或通过自动检测将跟踪发送到 OpenObserve。
下面是一个集成 OpenTelemetry SDK 的 Python 示例,代码位于 git clone https://github.com/openobserve/sample-tracing-python
:
我们只需要将 HTTP_Endpoint
和 Authorization
替换成 OpenObserve 的地址和管理员的认证信息即可。其中地址为 https://url:5080/api/<orgname>/traces
,Authorization
为 Basic base64(userid:password)
。然后运行上面的代码即可将 Trace 数据发送到 OpenObserve 中。
除此之外 OpenObserve 还支持通过 OpenTelemetry Collector 来收集链路追踪数据,只需要在 OpenTelemetry Collector 的配置文件中配置 otlp
输出即可,如下所示:
然后我们在应用中只需要通过 OpenTelemetry SDK 配置 OTLPTraceExporter 地址为 OpenTelemetry Collector 的地址即可,正常链路追踪数据就可以被收集到 OpenObserve 中去了。
如下图所示,我们可以在 OpenObserve 的 UI 界面中查看链路追踪数据:
点击某个 Trace 可以查看详细信息:
关于如何使用 OpenTelemetry 来生成并收集 Traces 数据、OpenTelemetry Collector 的部署等知识点我们后面会详细讲解。
报警
OpenObserve 支持两种警报方式,针对指定流进行评估:
- 计划报警
- 实时报警
要使用报警我们首先需要创建一个报警模板,当发送警报通知时使用模板,模板构建发送到目的地的请求正文,例如。对于 slack,可以创建如下模板:
在报警页面先添加一个报警模板,如下所示:
发送通知时,OpenObserve 会将 {stream_name}
、{org_name}
等占位符替换为 stream
、alert
、organization
的实际值。可以在模板中使用的变量有:
变量 | 值 | 描述 |
stream_name | 流名称 | 报警创建的流名称 |
org_name | 组织名 | 组织名称 |
alert_name | 报警名 | 报警名称 |
alert_type | 报警类型 | 可以取的值 : real time 或者 scheduled |
然后接下来需要创建一个 Destinations
目的地,用于发送警报通知,创建后可以在多个报警中使用。
比如我们这里创建一个 Slack
目的地,用于发送警报通知,如下所示:
最后我们就可以创建一个报警了,如下所示:
这里我们添加了一个计划报警,当 K8sLogs
日志流在 1 分钟内的日志数量大于 50 条时就会触发报警,然后发送到 Slack
目的地中,需要注意的是这里查询语句最终会加上时间范围进行过滤,比如我们这里的查询语句在执行的时候实际执行的语句如下所示:
正常情况下我们可以在 Slack 中看到报警信息:
另外对于实时报警是根据指定的条件在摄取时进行评估:
除此之外 OpenObserve 还支持函数功能,使用的是 Vector Remap Language (vrl)
(https://vector.dev/docs/reference/vrl/) 定义的,可以在数据摄取或查询期间用于帮助实现高级功能,例如增强、遮蔽、日志减少、合规性等。还有内置的查询函数,如 match_all
和 match_all_ignore_case
等,可用于根据用户的流设置或默认设置进行全文搜索,这些高级功能可以关注后续文章。
文章转载自公众号:k8s技术圈
